An Examination of the Socio-Economic and Environmental Impact of Planned Oil Sands Development in Nigeria
Notice bibliographique
Résumé
Nigeria became a mono-product economy through its heavy reliance on crude oil for export and revenue. As a result of oil price volatility and the need to increase national revenue and public spending, the Nigerian government has adopted a policy of diversification to non-oil minerals. This study focuses on oil sands that are considered second only to oil in terms of economic potential. This policy also means that Nigeria is moving towards finite resource and a dirtier form of crude oil. A national analysis of non-oil mineral activity using a GIS indicates that exploration, mining and quarrying are widespread; a potentially positive outcome for national mineral development. The government however, is failing to take into account the impact of this activity on communities and ecosystems overlapping or lying proximal to mining licences. A case study indicates that oil sands exploitation can have a positive impact on the host communities through infrastructure development, which can trigger small businesses, job opportunities and increased income. Despite these benefits, there are fears of environmental degradation, displacements, loss of communal lands and means of livelihood. Already, the long delays in the development of oil sands are fuelling anger, deprivation, land grabs and pollution, and worst of all, ever-deeper underdevelopment of these „conditional resource communities’, which is aggravating the resource curse. For the oil sands projects to be feasible, beneficial and sustainable, Nigeria’s quest for resource wealth must integrate economic growth, social equity and ecological integrity at this planning stage. The thesis makes original contributions to determining resource communities and to the cumulative body of knowledge on the potential impacts of resource development on host communities in a rent-seeking economy like Nigeria.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».